Bolt.diy 项目中使用 LM Studio 本地大语言模型的配置指南
2025-05-15 09:22:46作者:胡易黎Nicole
问题背景
在使用 Bolt.diy 项目时,许多开发者希望通过 LM Studio 运行本地大语言模型(LLM)来生成代码。然而在实际配置过程中,经常会遇到 CORS 跨域问题、API 请求失败以及意外的 Ollama 警告等问题。本文将详细介绍如何正确配置 LM Studio 与 Bolt.diy 的集成。
核心问题分析
从实际案例来看,主要存在三个典型问题:
- CORS 跨域问题:虽然已在 LM Studio 中启用 CORS 选项,但 API 请求仍然失败
- API 端点不匹配:Bolt.diy 请求的 API 端点与 LM Studio 提供的端点不一致
- Ollama 警告干扰:未使用 Ollama 服务却出现相关警告信息
详细解决方案
1. LM Studio 基础配置
首先确保 LM Studio 已正确配置:
- 在服务器设置中启用 "CORS" 选项
- 启用 "Serve on Local Network"(在本地网络提供服务)选项
- 确认服务器监听的端口(默认 1234)
2. 正确的 API 端点配置
LM Studio 提供以下标准端点:
GET /v1/models
POST /v1/chat/completions
POST /v1/completions
POST /v1/embeddings
在 Bolt.diy 的环境变量配置文件(.env.local)中,需要正确设置这些端点地址。例如:
VITE_LMSTUDIO_URL=http://localhost:1234
3. 网络访问问题排查
当在 WSL 中直接运行 Bolt.diy 时:
- 确保 WSL 可以访问主机的本地网络
- 如果使用 localhost 不工作,尝试使用主机的实际 IP 地址
- 检查防火墙设置,确保端口未被阻止
4. 关于 Ollama 警告
即使不使用 Ollama 服务,Bolt.diy 默认会尝试连接 Ollama。这些警告不会影响 LM Studio 的功能使用,可以安全忽略。如需彻底移除,可以检查项目代码中与 Ollama 相关的初始化部分。
最佳实践建议
- 环境隔离:考虑使用 Docker 容器化部署,可以避免许多环境依赖问题
- 日志监控:同时监控 Bolt.diy 和 LM Studio 的日志输出,便于快速定位问题
- 逐步验证:
- 先用简单 HTTP 客户端(如 curl)测试 LM Studio 端点是否可达
- 再测试 Bolt.diy 的基础功能
- 最后进行完整集成测试
总结
通过正确配置 LM Studio 的网络服务选项和 API 端点,开发者可以顺利在 Bolt.diy 项目中使用本地运行的大语言模型。Docker 部署方式通常更为可靠,但在 WSL 环境中通过适当配置也能获得良好效果。遇到问题时,建议按照网络连接、API 端点和权限配置的顺序逐步排查。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
操作系统概念第六版PDF资源全面指南:适用场景与使用教程 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
479
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
375
3.24 K
Ascend Extension for PyTorch
Python
169
190
暂无简介
Dart
615
140
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
仓颉编程语言测试用例。
Cangjie
36
852
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
258